Būtisks pētījumu virziens II jomā ir izguves sistēmu efektivitātes (efficiency) un rezultativitātes (effectiveness) uzlabošana. Efektivitāte II kontekstā ir jēdziens, ar ko parasti apzīmē skaitļošanas resursu patēriņu. Rezultativitāte ir izgūto rezultātu kvalitātes, lietderības novērtējums. Par galvenajiem II un dokumentu reprezentācijas kvalitātes mēriem tiek uzskatīta precizitāte (precision) un atdeve (recall). Precizitāte tiek definēta kā atbilstošu trāpījumu proporcija pret visiem trāpījumiem, savukārt atdeve – atbilstīgu trāpījumu proporcija pret visiem atbilstīgiem dokumentiem.
Dokuments ir atbilstošs, ja tas apmierina lietotāja informācijas vajadzības (information need), nevis tikai satur visus vaicājumā prasītos vārdus. Informācijas vajadzība ir tēma, par kuru lietotājs vēlas uzzināt ko vairāk, savukārt vaicājums ir datorsistēmā ievadītie dati, lai formulētu lietotāja informācijas vajadzības.
Meklētājprogrammai nav viegls uzdevums izprast lietotāja vajadzības, ņemot vērā ievadīto vaicājumu. Interaktīva II, iesaistot sistēmas lietotāju, ir meklēšanas metode, kas, strādājot tiešsaistē ar izguves sistēmu, ļauj mainīt pieņemto meklēšanas stratēģiju. Jāņem vērā, ka vaicājumā lietotie termini var neatbilst dokumentu kopā biežāk izplatītajiem terminiem šim pašam semantiskajam jēdzienam un vaicājums var saturēt neviennozīmīgus terminus, kā arī pareizrakstības kļūdas. Metodes šo sarežģījumu risināšanai var iedalīt globālajās un lokālajās. Globālās metodes nodrošina vaicājuma paplašināšanu vai pārformulēšanu, izmantojot tēzauru, kā arī pareizrakstības kļūdu labotāju. Lokālās metodes pielāgo vaicājumu saskaņā ar sākotnēji iegūtajiem atbilstošajiem rezultātiem. Izplatītākās ir atbilstības atgriezeniskās saites (relvance feedback) metodes dažādās to izpildījuma versijās. Atbilstības atgriezeniskā saite iesaista lietotāju vaicājuma rezultātu uzlabošanā. Vienā vai vairākās iterācijās lietotājam tiek demonstrēti iegūtie rezultāti un lūgts novērtēt, kuri no tiem ir atbilstoši viņa informācijas vajadzībām. Balstoties uz novērtējumu, meklētājsistēma izskaitļo, kā izgūt lietotāja informācijas vajadzībām atbilstošākos dokumentus, piemēram, paplašinot vaicājumu un pielāgojot terminu svarus. Viens no pazīstamākajiem algoritmiem atbilstības atgriezeniskās saites nodrošināšanai ir Rokio (Rocchio) – 1971. gadā radīts algoritms, kuru var lietot vektora telpas izguves modeļa ietvaros. Varbūtiskas atbilstības atgriezensikās saites iegūšanai izplatīts ir Naivā Beijesa (Naive Bayes) varbūtiskais modelis. Atbilstības atgriezeniskās saites lietderības novērtēšanai lieto dažādus mērus, piemēram, precizitātes (precision) un atsaukuma (recalI) salīdzinājumu pirms un pēc lietotāja iesaistes vai mērot lietotāja patērēto laiku, lai iegūtu atbilstošu dokumentu, izmantojot viarākas stratēģijas. Aklās vai pseido atbilstības atgriezeniskās saites metodes cenšas iegūt līdzvērtīgus uzlabojumus izgūtajos rezultātos, neiesaistot lietotāju, bet pieņemot, ka daži visaugstāk ranžētie dokumenti ir atbilstošākie, un attiecīgi pielāgojot vaicājumu nākamajā iterācijā.
Lai veiktu teksta interpretāciju sarežģītāku informācijas izguves pieprasījumu gadījumā, II sistēmā jāintegrē padziļinātas valodas zināšanas. Eksperimenti, kuros izmantoti leksiskie resursi, piemēram, mašīnlasāmi tēzauri vai ontoloģiskie valodas resursi, pierāda, ka iespējami uzlabojumi dokumentu atrašanā, izmantojot vaicājumā uzdoto terminu sinonīmus vai netieši saistītus jēdzienus. Lai apstrādātu dabīgā valodā uzdotus vaicājumus, kas satur, piemēram, jautājuma teikumus, nevis vienkārši uzdotus atslēgvārdus, meklētājprogrammām jānodrošina sarežģītāku valodu tehnoloģiju lietojums. Tas iekļauj sintaktisko un semantisko analīzi, indeksēšanu, sintaktisko parsēšanu teikuma gramatiskās struktūras noteikšanai, tekstuālo apzīmējumu atpazīšanu.